【发布时间】：2021-09-07 07:56:17
【问题描述】：
我需要从 pdf 中提取图像而不会丢失其在 pdf 中的位置。我需要知道图片在哪个页面，图片在文本中的位置，然后将pdf中的文本和图片保存到一个json文件中，数据的顺序保持不变。
【问题讨论】：
-
你已经尝试了什么？
-
不，我确实关心源图像在页面上的位置:(
标签： python image pdf pdf-scraping
【发布时间】：2021-09-07 07:56:17
【问题描述】：
您可以使用pdfplumber 并运行以下代码：
import pdfplumber
pdf_obj = pdfplumber.open(doc_path)
page = pdf_obj.pages[page_no]
images_in_page = page.images
page_height = page.height
image_bbox = (image['x0'], page_height - image['y1'], image['x1'], page_height - image['y0'])
cropped_page = page.crop(image_bbox)
image_obj = cropped_page.to_image(resolution=400)
image_obj.save(path_to_save_image)
来源链接here
【讨论】：